ISSN 2503-2682 (Online) ISSN 2503-3654 (Cetak)
37
Evaluasi Jaringan Stasiun Hujan di Wilayah Sungai Dumoga Sangkub
Ayisya Cindy Harifa1*, Moh. Charits2, Joko Setiono3, Moch. Khamim4
1,2,3,4Jurusan Teknik Sipil, Politeknik Negeri Malang, Jl. Soekarno Hatta No.9 Kota Malang, Jawa Timur.
*e-mail corresponding author :ayisya.civil@polinema.ac.id ABSTRAK
Data hujan sangat sering digunakan dalam proses analisis hidrologi Analisa hidrologi memerlukan data dasar yang benar, data dasar akan berdampak besar dalam proses perencanaan dan penelitian dalam sumberdaya air, sehingga hasil yang didapat akan lebih optimum.. Sebaran pos hidrologi akan menentukan tingkat kualitas analisa hidrologi. Tujuan evaluasi jaringan adalah mengetahui sebaran dan kondisi pos hujan, sehingga akan didapatkan rekomendasi stasiun hujan yang baru, dengan sebaran yang sudah mewakili setiap daerah aliran sungai. Dalam penelitian ini Metode WMO (World Meteorological Organization) dirasa tepat untuk menggambarkan sebaran stasiun hujan. Sedangkan untuk mengevaluasi stasiun hujan eksisting menggunakan metode Kagan rodda. Berdasarkan analisa kerapatan WMO dan Peta Polygon Thiessen, Sebaran stasiun hujan di wilayan sungai Dumoga Sangkub sudah cukup merata, akan tetapi belum mewakili setiap Daerah Aliran Sungai (DAS). Hasil analisa Kagan Rodda menyatakan hanya 7 stasiun hujan yang memenuhi kriteria kagan, yaitu stasiun Pusian, Toraut, Andigile Buko, Bolangitan – Paku, Lolak – Solog, Moayat, Buyat – Buyat. Hasil analisa kagan juga merekomendasikan 19 titik stasiun baru yang tersebar diseluruh Wilayah Sungai. Kata Kunci : kerapatan pos hujan; hujan; kagan rodda
ABSTRACT
Rainfall data always use in analytical process. Hydrology analysis need correct base data, base data will give impact to the planning and research processes in water resources, and the result will be optimum. The quality and basic data that will be used for an analysis is very dependent on the distribution of existing hydrological posts in monitoring hydrological characteristics accurately and correctly. The purpose of network evaluation is to reach the distribution and condition of rain stations, so that a new rain station recommendation will be obtained, with distributions that already represent each watershed. Rain station distribution analysis uses the WMO (World Meteorological Organization) method, to evaluate the existing rain station using the Kagan rodda method. According to the analysis of WMO density and Polygon Thiessen Map, the distribution of the rain stations in the Dumoga Sangkub river area is quite evenly distributed, but does not yet represent each Watershed. The results of the Kagan Rodda analysis stated that only 7 rain stations met the kagan criteria, i.e: Pusian, Toraut, Andigile Buko, Bolangitan – Paku, Lolak – Solog, Moayat, Buyat – Buyat. The results of the kagan analysis also recommend 19 new station points through each watershed.
Keywords : rain gauge density; rainfall; kagan rodda
Cara Mengutip : Harifa, A. C., Charits, M., Setiono, J., Khamim, M. (2020).Evaluasi Jaringan Stasiun Hujan di Wilayah Sungai Dumoga Sangkub. Reka Buana : Jurnal Ilmiah Teknik Sipil dan Teknik Kimia, 5(1), 37-50. http://dx.doi.org/10.33366/rekabuana.v5i1.1607
Content from this work may be used under the terms of the Creative Commons Attribution-ShareAlike 4.0 International License. Any further distribution of this work must maintain attribution to the author(s) and the title of the work, journal citation and DOI.
38 1. PENDAHULUAN
Sebuah analisa hidrologi dalam pengembangan sumber daya air, dipengaruhi data-data hidrometerologi seperti, data hujan, temperature, kecepatan angin, debit sungai, dan data iklim lainnya. Data dasar hidrologi tersebut sangat penting sebagai masukan dalam menghitung analisis hidrologi bagi suatu pengembangan, penelitian dan pengelolaan sumber daya air.
Penelitian hidrologi memiliki kegunaan lebih lanjut bagi teknik lingkungan, kebijakan lingkungan, serta perencanaan. Hidrologi juga mempelajari perilaku hujan terutama meliputi periode ulang curah hujan, karena berkaitan dengan perhitungan banjir serta rencana untuk setiap bangunan teknik sipil antara lain bendung, bendungan dan jembatan.[1]
Analisis Hidrologi tersebut terdiri dari analisis ketersediaan air, banjir rencana, aliran rendah, sedimentasi, dan pola operasi waduk. Eperti yang dikatakan oleh Ranesa, Lalu yaitu “Sebagaimana yang tertuang pada Undang undang Sumber Daya Air no.7 Tahun 2004 tentang ketersediaan data dan informasi hidrologi yang memadai, akurat, tepat waktu dan berkesinambungan, maka perlu adanya analisis untuk mengetahui apakah jumlah pos hujan yang ada saat ini dapat mewakili kondisi wilayah lokasi studi sehingga dapat mengoptimumkan jumlah pos yang juga bertujuan untuk menjadi kebijakan untuk pengambil keputusan bagi instansi terkait untuk efisiensi biaya, tenaga peralatan dan waktu, maka perlu rasionalisasi jaringan pos hujan yang optimal dan efisien baik dari segi ekonomis maupun pengelolaan sehingga secara dini dapat diketahui pos-pos mana yang sangat dominan”[2, p. 46]
Dalam penelitiannya Fathoni, Syarif mengatakan bahwa “Kesalahan dalam pemantauan data dasar hidrologi dalam suatu daerah aliran sungai akan menghasilkan data yang tidak akurat”[3, p. 126]. Sehingga dapat dikatakan bahwa data yang salah akan menghasilkan hasil yang salah pula. Sehingga data dasar dalam proses analisis hidrologi harus dipantau dengan baik dan oleh sumber daya yang cakap, dan nantinya akan menghasilkan sebuah hasil yang akurat yang tepat guna.
Kualitas dan data dasar yang akan digunakan untuk suatu analisis sangat tergantung pada seberapa jauh pos hidrologi yang ada dalam memantau karakteristik hidrologi dalam suatu daerah aliran sungai tersebut atau dengan kata lain berapa jumlah pos hidrologi dan dimana lokasinya yang perlu ditempatkan dalam suatu DAS untuk memantau karakteristik hidrologi secara akurat dan benar. Sebaran pos hidrologi akan sangat berpengaruh pada kulaitas dari data dasar yang dihasilkan. Stasiun hujan yang ditempatkan di lokasi yang tepat dapat menggambarkan karakteristik hidrologi DAS dengan tepat.
Pada Wilayah Sungai Dumoga Sangkub, jumlah stasiun hujan yang sudah beroprasi sudah cukup memenuhi, akan tetapi sebaran peletakan pos hujan tersebut tidak memenuhi syarat dari kerapatan pos hujan yang sudah diataur oleh WMO. Sehingga keterwakilan pos hujan dari setiap DAS yang terdapat pada WS Dumoga Sangkub tersebut tidak memenuhi. Terdapat banyak DAS yang tidak memiliki pos hujan. Berdasarkan latar belakang kondisi stasiun hujan tersebut, sehingga kebutuhan analisa untuk penataan pos hujan yang dapat menghasilkan pos hujan efektif, efisien, dan dapat menggambarkan
39 kondisi hidrologi pada wilayah tersebut, sangat diperlukan.
Dalam hal ini peneliti melakukan analisa mengenai kerapatan stasiun hujan di wilayah sungai dumoga sangkub dengan mempertimbangan kondisi existing di wilayah studi, berupa lokasi stasiun hidrologi dan jumlah.
Sebagai upaya membatasi ruang lingkup yang meluas, maka peneliti memberikan batasan dan menitikberatkan penelitian dalam beberapa hal sebagai berikut : Penelitian menggunakan metode Kagan Rodda, dilakukan hanya pada stasiun hujan exsisting di seluruh WS Dumoga Sangkub, data hujan yang digunakan adalah data hujan tahun 2008 hingga 2014.
Tujuan dari penelitian ini adalah mengetahui sebaran pos hujan di WS Dumoga Sangkub, mengetahui kondisi pos hujan eksisting dan kesesuaian dengan pedoman kerapatan pos hidrologi, serta merekomendasikan jaringan stasiun hujan baru.
Manfaat dari penelitian ini adalah sebagai rujukan untuk penempatan pos hujan baru, dan pemindahan pos hujan eksisting.
2. METODEPENELITIAN 2.1. Lokasi
Wilayah Sungai Dumoga Sangkub secara astronomi WS Dumoga Sangkub terletak antara 0.292 – 1.005 Lintang Utara dan 123.060 – 124.736 Bujur Timur. Dan secara administratif berada di wilayah tujuh Kabupaten/Kota, yaitu:
1. Kab. Gorontalo Utara 32484,5 Ha. 2. Kotamubagu 3745,94 Ha.
3. Bolaan Mongondow Selatan 161011.22 Ha.
4. Bolaan Mongondow Utara 106534.94 Ha.
5. Bolaan Mongondow 336317.13 Ha. 6. Minahasa Selatan 24286.56 Ha.
7. Bolaan Mongondow Timur 80518.97 Ha.
2.2. Data
Data-data yang dibutuhkan pada penelitian ini adalah:
1. Data peta, berupa peta Daerah Aliran Sungai, Peta lokasi pos hujan, dan Peta Administrasi.
2. Data hujan, data yang dibutuhkan adalah data hujan tahun 2008 hingga 2014, yang berada di wilayah WS Dumoga Sangkub.
40 2.3. Analisa KerapatanJaringan
Desain jaringan pos hujan merupakan kegiatan penting yang harus dilakukan karena data yang akan diperoleh merupakan input pada sistem DAS. Jaringan pos hujan diperlukan karena input hujan dalam sistem DAS adalah tidak beraturan dalam ruang dan waktu. Hujan wilayah (areal rainfall) diperlukan untuk mengetahui jumlah air hujan yang ada di seluruh DAS (secara merata) dan yang pada akhirnya akan menuju ke sistem drainasi DAS.
Hujan yang turun umumnya merupan hujan yang terjadi pada satu wilayah, nilai dari hujan yang jatuh diwakili oleh satu titik pada stasiun hujan, sehingga peletakan stasiun hujan akan memperhatikan banyak faktor, seperti topografi, penutupan lahan, ekonomi, dsb. Kerapatan yang disarankan oleh WMO pada suatu area, yang dapat diaplikasikan di lokasi studi adalah sebagai berikut [4, p. 24] :
Tabel 1. Minimum Kerapatan jaringan Pos Hujan (km2/pos)
Physiographic Unit Precipittaion Non Recording Recording Coastal 900 9000 Moutain 250 2500 Interio Plains 575 5750 Hilly/Undulating 575 5750 Small Island 25 250 Urban Areas - 20 - 10 Polar/Arid 10000 10000
Membuat polygon thiessen dengan tahapan sebagai berikut:
1. Menggambarkan lokasi stasiun hujan pada peta lokasi penelitian. 2. Poin-pion yang menggambarkan
lokasi pos dihubungkan dengan garis yang akan membentuk segitiga;
3. Menentukan garis berat yang terdapat pada segitiga, sehingga membentuk sebuah polygon yang mengeilingi stasiun. Stasiun hujan mewakili daerah yang terbentuk akibat polygon tersebut.
4. Besar hujan yang terjadi pada area tersebut adalah perkalian antara hujan yang tercatat dengan luas polygon yang terbentuk.
Keterangan :
P = curah hujan rata-rata,
P1,…, Pn = curah hujan pada setiap stasiun,
A1,…, An = luas yang dibatasi tiap poligon.
2.4. Evaluasi Jaringan Stasiun Hujan
Menentuka sebaran stasiun hujan dapat dilakukan dengan metode sederhana Kagan Rodda. Keunggulan metode ini adalah menghasilkan output berupa jumlah stasiun yang diperlukan beserta lokasinya (sebaran stasiun hujan). Cara ini dikemukakan oleh Kagan (1967). Dasar dari teori ini adalah teori stastistik, yaitu menentukan kesalahan dalam interpolasi dan perataan suatu bilangan.
Persamaan-persamaan yang digunakan dalam metode Kagan Rodda adalah sebagai berikut [5]: 𝑅(𝑑)= 𝑅(𝑜) 𝑒 −𝑑 𝑑 (𝑜 ) 𝑍1= 𝐶𝑣 1 − 𝑟 𝑜 + 0,23 𝐴 /𝑑(𝑜) 𝑛 /𝑛 𝑍2= 𝐶𝑣 1 − 𝑟 𝑜 /3 + 0,25𝑟 𝑜 /𝑑(𝑜) 𝐴 𝑛 𝐿 = 1,07 𝐴 𝑛
41 Keterangan:
r(d) = koefisien korelasi dari jarak d r(o) = koefisien korelasi antara
setasiun dengan jarak yang sangat kecil (± 0 km)
Cv = jarak antara setasiun, km
d = radius korelasi, korelasi jarak stasiun dalam sistem
A = Luas DAS (Km2)
N = jumlah pos.
Z1 = Kekeliruan dalam perataan (%) Z2 = Kesalahan dalam interpolasi
(%)
L = jarak antar pos
Untuk melakukan evaluasi dengan metode Kagan Rodda maka tahapan yang harus dilaksanakan adalah sebagi berikut:
a) Menghitung jarak antar stasiun hujan. b) Menghitung koefisien korelasi
berdasarkan data hujan bulanan.
c) Berdasarkan hasil perhitungan poin (a) dan poin (b) dilakukan penggambaran grafik hubungan korelasi dan jarak antar stasiun.
d) Penentuan nilai r(0) dan d(0).
e) Perhitungan curah hujan rerata daerah menggunakan metode Thiesen.
f) Menentukan standard deviasi.
g) Menghitung nilai koefisien variasi berdasarkan standart deviasi dan rerata. h) Parameter Z1 dan Z3 dapat dihitung
setelah menentukan besarnya tingkat ketelitian yang digunakan.
i) Menentukan stasiun pada suatu DAS atau area
j) Menghitung jarak setiap stasiun,
k) Menggambar jaringan segitiga sama sisi dengan panjang sisi sama dengan L seperti pada contoh Gambar di bawah ini.
Gambar 2. Jaringan Segitiga Kagan
Metode Kagan-Rodda ini bisa dipergunakan untuk dua kondisi yaitu[6]: 1. Apabila di dalam DAS sama sekali belum
ada stasiun hujan, maka cara yang dapat ditempuh adalah dengan mencoba memanfaatkan data hujan di daerah sekitarnya untuk dapat mengetahui tingkat variabilitasnya (nilai koefisien variasi) dan setelah beberapa tahun pengoperasian, maka jaringan tersebut perlu diuji kembali untuk meningkatkan kualitasnya. 2. Apabila di dalam DAS telah tersedia jaringan stasiun hujan, maka cara ini dapat dipergunakan untuk mengevaluasi apakah jaringan yang telah ada telah mencakupi (untuk tingkat ketelitian yang dikehendaki), atau dapat pula digunakan untuk menentukan pos-pos yang digunakan pada analisa berikutnya. Dalam kaitan ini jaringan yang tersedia dibandingkan dengan jaringan yang telah diperoleh dengan metode Kagan-Rodda. Jika jumlah stasiun yang telah ada masih lebih kecil dibandingkan dengan jumlah stasiun yang dituntut dengan cara KaganRodda dapat dipergunakan dengan menambahkan stasiun-stasiun yang lain. Akan tetapi apabila jumlah pos yang telah ada lebih besar dibandingkan dengan jumlah pos yang dituntut berdasarkan metode Kagan-Rodda, maka stasiun-stasiun tertentu dapat tidak dipergunakan untuk analisis selanjutnya.
42
3. HASILDANPEMBAHASAN
3.1. Analisa Data
Dalam sebuah sistem DAS jumlah komulatif dari hujan yang turun adalah
input utama, yang berpengaruh besar terhadap analisa hidrologi dalam penelitian atau perencanaan. Sehingga pengukuran harus dilakukan secara cermat dan teliti.
Tabel 2. Data Asli Curah Hujan Bulanan Stasiun Pinolosian
Bulan Curah Hujan (mm)
2008 2009 2010 2011 2012 2013 2014 Average Januari 110.50 145.20 162.20 180.00 149.48 Februari 44.30 63.10 104.80 57.00 67.30 Maret 182.50 127.90 75.40 104.50 122.58 April 199.30 178.30 41.00 80.00 124.65 Mei 168.60 0.00 394.40 297.00 215.00 Juni 275.40 0.00 502.30 547.00 331.18 Juli 425.50 40.70 795.80 297.00 389.75 Agustus 425.80 123.30 240.00 659.00 362.03 September 147.80 0.00 124.50 7.00 69.83 Oktober 95.00 0.00 27.00 40.00 40.50 November 53.00 86.20 20.00 96.00 63.80 Desember 125.50 0.00 185.40 173.00 120.98 Jumlah 2253.20 764.70 2672.80 2537.50 2057.05 Rerata 187.77 63.73 222.73 211.46 171.42 Maksimum 425.80 178.30 795.80 659.00 389.75 Sumber: Data
Data hujan yang digunakan yang digunakan dalam analisa rasionalisasi ini adalah data dari 19 pos hujan yang tersebar di seluruh wilayah sungai Dumoga Sangkub. Seperti terlihat pada tabel 2 diatas, masih terdapat tahun-tahun dengan data hujan yang tidak terekam. Banyak faktor yang menyebabkan data terekam, seperti kerusakan pada alat, alat dicuri, dsb. Untuk mengatasi kekosongan data-data tersebut dilakukan analisa pengisian data kosong dengan menggunakan metode 'Reciprocal method' dinilai mempunyai unjuk-kerja yang lebih baik, karena telah memasukkan jarak antar stasiun sebagai faktor pembobot.
Menurut Bambang (2009), cara
Reciprocal Method merupakan cara yang lebih baik dari metode perbandingan normal (normal ratio method) karena
mempertimbangkan jarak antar stasiun. Berikut ini persamaan umum dari Reciprocal Method[7].
dengan:
PA, PB, ..., Pn : Hujan di stasiun A, B, ..., n (mm)
dXA2, d
XB2, ...dXN2 :jarak antara setasiun
A dan setasiun X (Km).
hasil dari analisa pengisian data hujan yang kosong di setiap hujan menghasilkan tabel 3 dibawah ini.
Sedangkan tabel 4 adalah hasil rekapitulasi analisa hujan dari keseluruhan stasiun hujan yang terdapat di wilayah sungai Dumoga Sangkub. 𝑃𝑥 = 𝑃𝐴 𝑑𝑋𝐴2 + 𝑃𝐵 𝑑𝑋𝐵2 + ⋯ + 𝑃𝑛 𝑑𝑋𝑛2 1 𝑑𝑋𝐴2 + 1 𝑑𝑋𝐵2 + ⋯ + 1 𝑑𝑋𝑛2
43
Table 3. Curah Hujan Bulanan Stasiun Pinolosian Hasil Analisa dengan Metode Pengisian Hujan yang Hilang
Bulan Curah Hujan (mm) 2008 2009 2010 2011 2012 2013 2014 Average Januari 109.53 174.46 110.50 145.20 162.20 125.17 180.00 143.87 Februari 152.52 163.74 44.30 63.10 104.80 123.21 57.00 101.24 Maret 195.75 136.16 182.50 127.90 75.40 160.53 104.50 140.39 April 236.71 160.61 199.30 178.30 41.00 159.20 80.00 150.73 Mei 282.33 200.98 168.60 0.00 394.40 261.92 297.00 229.32 Juni 243.54 187.84 275.40 0.00 502.30 137.37 547.00 270.49 Juli 491.08 126.05 425.50 40.70 795.80 402.40 297.00 368.36 Agustus 450.44 127.19 425.80 123.30 240.00 487.32 659.00 359.01 September 197.00 12.87 147.80 0.00 124.50 444.05 7.00 133.32 Oktober 167.57 49.72 95.00 0.00 27.00 100.28 40.00 68.51 November 161.78 151.80 53.00 86.20 20.00 246.36 96.00 116.45 Desember 156.46 164.13 125.50 0.00 185.40 217.85 173.00 146.05 Jumlah 2844.72 1655.55 2253.20 764.70 2672.80 2865.66 2537.50 2227.73 Rerata 237.06 137.96 187.77 63.73 222.73 238.81 211.46 185.64 Maksimum 491.08 200.98 425.80 178.30 795.80 487.32 659.00 368.36
Tabel 4. Rekapitulasi Curah Hujan Tahunan WS Dumoga Sangkub
No. Pos Hujan 2008 2009 2010 2011 2012 2013 2014 AVRG
1 Pinolosian 2844.72 1655.55 2253.20 764.70 2672.80 2865.66 2537.50 2227.734 2 Molibagu - Bolangaso 2596.60 1236.00 2309.00 4256.50 2348.90 2086.50 1715.00 2364.071 3 Matayangan 3790.90 2181.00 2636.40 4920.60 2360.02 3821.90 2359.20 3152.860 4 Pusian 2466.70 1997.50 1422.40 3222.40 1944.10 2160.89 1780.05 2142.006 5 Toraut 1955.50 1569.80 2342.90 1734.06 2241.95 2147.70 1542.90 1933.544 6 Konarom Barat 1943.30 1869.90 1460.20 2352.50 1970.60 3295.40 1802.95 2099.264 7 Andigile Buko 1538.70 1675.97 1512.10 1638.70 891.00 629.90 773.00 1237.053 8 Bolangitan - Paku 1785.90 1309.90 1689.16 1704.70 1592.30 1966.70 1721.80 1681.494 9 Sangkub - Huntuk 1219.70 1331.60 1108.30 2425.30 2644.50 2327.60 1369.20 1775.172 10 Bintauna Pantai 2186.00 1262.20 3130.15 2510.90 2432.20 2678.90 1755.10 2279.350 11 Sangkub - Pangkusa 1370.10 1297.90 2269.10 2246.70 1858.30 2248.93 1474.50 1823.647 12 Ayong Bumbung 3314.10 1802.70 2348.90 2189.80 1998.60 1936.30 1187.60 2111.143 13 Nonapan - Wineru 839.66 689.20 1146.70 1167.00 1046.20 1163.70 915.80 995.466 14 Lolak - Solog 1531.00 1209.30 1546.00 1567.00 1114.00 1402.00 1114.00 1354.757 15 Moayat 2488.10 1331.50 924.60 1358.80 1445.10 1090.20 916.70 1365.000 16 Nuangan - Lanut 2239.50 1944.50 2704.50 2308.00 2192.50 2181.00 1970.00 2220.000 17 Buyat - Buyat 2353.98 1755.56 2125.70 1965.60 1770.10 1820.60 1228.60 1860.020 18 Klimat Doloduo I 3093.54 733.80 2165.00 2724.50 2478.91 2053.20 1943.70 2170.379 19 Klimat Sangkub 2126.63 1306.60 1406.30 1584.06 1413.54 1326.68 614.44 1396.894
44 3.2. Analisa Kerapatan Pos Hujan
Dalam pengembangan pola sebaran hujan di masing-masing negara tidak akan pernah sama. Karena kriteria yang menjadi dasar digunakan tidak sama. Sampai saat ini belum dijumpai kriteria yang jelas dan berlaku umum untuk menetapkan kerapatan jaringan pengamatan suatu daerah. Terlebih pemakaiannya di Indonesia memerlukan kecermatan karena masih banyak masalah yang belum dapat dijelaskan. [8]
Analisa kerapatan stasiun hujan berdasarkan standar WMO (World Meteorological Organization), didasarkan pada luasan daerah pengaruh masing-masing. Luas daerah pengaruh setiap stasiun hujan menggunakan metode Poligon Thieesen.
Metode polygon thiessen dikenal juga dengan metode rata-rata timbang (weighted mean). Metode ini memberikan proporsi luasan daerah pengaruh pos penakar hujan untuk mengakomodasi ketidakseragaman jarak pos hujan.[9]
Daerah pengaruh dibentuk dengan menggambarkan garis-garis sumbu tegak lurus terhadap garis penghubung antara dua pos penakar hujan tersekat. Hasil metode thiessen lebih akurat dibandingkan dengan metode yang lain.
Prosedur penerapan metode thiessen ini meliputi beberapa langkah antara lain[10] Poligon tersebut akan memberikan data yang akurat mengenai luas daerah pengaruh dari sebuah stasiun hujan. Tabel luas daerah polygon ditampilkan pada table 5.
Berdasarkan luas Polygon Thiessen dapat dinyatakan kerapatan stasiun hujan sudah cukup baik, yaitu pada kondisi normal 575 - 5750 km2 setiap stasiun. Akan
tetapi, kerapatan stasiun hujan yang ada di Wilayah Sungai Dumoga Sangkub ini, belum mewakili setiap Daerah Aliran Sungai (DAS), masih terdapat DAS yang tidak memiliki pos hujan, seperti yng ditampilkan dalam gambar 1. Terlihat tidak semua DAS memiliki Pos Hujan.
Tabel 5 Luas Daerah Pengaruh Polygon Thiessen No Stasiun
Luas Daerah Koefisien Pengaruh Thiessen ( km2 ) ( % ) 1 pinolosian 389.79 0.052 2 molibagu-bolangaso 297.74 0.040 3 matayangan 285.48 0.038 4 pusian 557.60 0.075 5 toraut 899.54 0.121 6 konarom barat 328.03 0.044 7 andigile-buko 273.81 0.037 8 Bolangitang-Paku 684.96 0.092 9 sangkub-huntuk 73.25 0.010 10 bintauna pantai 229.57 0.031 11 sangkub-pangkusa 735.04 0.099 12 ayong bumbung 431.32 0.058 13 nonapan-wineru 289.47 0.039 14 lolak-solog 371.72 0.050 15 Moayat 551.08 0.074 16 nuangan-lanut 656.93 0.088 17 buyat-buyat 269.48 0.036 18 doloduo I 82.67 0.011 19 sangkub 47.42 0.006 Jumlah 7454.89 1.000
45
Gambar 3. polygon thiessen
Gambar 3 menunjukkan area yang membatasi daerah pengaruh dari setiap
stasiun hujan. Berdasarkan area itu lah yang menunjukkan kerapatan di sebuah wilayah sungai
3.3. Analisa Jaringan Kagan
Pada analisa ini, dilakukan perhitungan jarak dari stasiun hujan dan menghitung koefisien korelasi jarak dari setiap stasiun.
Tabel 6 Jarak dan Korelasi Antar Stasiun
No. Jarak Koefisien Korelasi Tertinggi
1 22.43 0.532 2 7.91 0.817 3 6.41 0.607 4 34.02 0.556 5 49.41 0.514 6 50.54 0.379 7 22.09 0.514 8 104.58 0.640 9 4.78 0.617 10 57.58 0.621 11 4.29 0.629 12 24.68 0.708 13 20.06 0.643 14 50.72 0.554 15 43.66 0.621 16 34.12 0.574 17 117.10 0.379 18 51.89 0.120
46 R(d) = 0.6178e-0.0041d 0,00 0,20 0,40 0,60 0,80 1,00 0 50 100 150 K o e fi si e n K o re lasi
Jarak Antar Stasiun (km)
Selanjutnya dilakukan pembuatan grafik hubungan antara jarak antar stasiun
dan koefisien korelasi seperti yang dapat dilihat pada gambar berikut:
Gambar 4. Grafik Hubungan Jarak Setiap Stasiun dan Koefisien Korelasi dari Jarak Stasiun
Berdasarkan Gambar 4, didapat-kan persamaan eksponensial sebagai berikut :
R(d) = 0.6178e-0.0041d
Persamaan eksponensial tersebut menghasilkan parameter Kagan, yaitu R(0) sebesar 0.6178 dan d(0) sebesar 243,9 Km.
Selanjutnya dilakukan kajian hujan rerata untuk mendapatkan nilai Cv. Kajian hujan rerata dilakukan dengan menggunakan Metode Poligon Thiessen. Table 6 berikut ini menampilkan hasil perhitungan hujan rerata dengan metode Thiessen.
Tabel 7. Hujan Rerata
No. Stasiun Tahun
2008 2009 2010 2011 2012 2013 2014 1 Pinolosian 25.68 10.51 22.26 9.32 41.61 25.48 34.46 2 Molibagu - Bolangaso 21.36 7.77 26.32 64.42 30.39 16.22 18.25 3 Matayangan 26.74 12.37 20.22 44.31 23.36 27.48 25.39 4 Pusian 28.68 36.67 18.50 55.66 20.02 35.23 27.97 5 Toraut 48.80 32.16 45.82 37.53 112.93 39.75 31.40 6 Konarom 13.81 17.42 10.46 12.52 15.07 26.26 14.54 7 Andigile Buko 11.09 16.95 8.76 14.80 5.88 4.77 5.99 8 Bolangitan - Paku 31.42 21.50 22.86 20.69 20.69 38.81 30.02 9 Sangkub - Huntuk 2.21 2.89 2.51 4.45 8.84 4.38 3.00 10 Bintauna Pantai 9.89 7.79 12.53 16.70 13.78 13.20 11.14 11 Sangkub - Pangkusa 33.18 21.62 39.88 62.89 44.40 37.06 25.82 12 Ayong Bumbung 23.32 16.15 17.69 26.72 17.15 25.65 19.01 13 Nonapan - Wineru 8.50 5.13 8.32 8.69 6.74 11.70 8.78 14 Lolak - Solog 11.07 12.27 11.12 17.15 11.02 23.88 19.60 15 Moayat 28.13 23.50 10.60 14.74 18.38 14.33 14.30 16 Nuangan - Lanut 31.37 36.13 33.57 33.31 29.70 21.72 31.28 17 Buyat - Buyat 12.60 12.03 12.07 11.08 8.61 13.22 9.05 18 Doloduo I 9.31 1.67 6.37 4.47 6.84 3.53 4.62 19 Sangkub 2.17 1.92 1.57 3.87 2.32 2.48 0.80 Rerata 379.31 296.45 331.43 463.34 437.71 385.15 335.43 375.54 Standar Deviasi 59.85 CV 0.16
47 0 10 20 30 40 50 60 70 80 90 100 0% 2% 4% 6% 8% 10% 12% 14% 16% 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 L (k m ) Z1 d an Z 2 (% ) Jumlah Stasiun Z1 Z2 L
Berdasarkan nilai standar deviasi dan rerata hujan didapatkan nilai koefisien variansi sebesar 0.16.
Dari beberapa analisa di atas didapatkan beberapa nilai sebagai berikut yang akan digunakan sebagai dasar penentuan jarak ideal antar stasiun.
A = 7,448.99 km2 r(0) = 0.62 d(0) = 243.90 Standart Deviasi = 59.85 Rerata = 375.54 mm CV = 0.16
Hubungan antara Z1, Z2, dan L, dapat dilihat pada grafik berikut ini:
Gambar 5. Grafik Z1, Z2 dan L Tabel 8. Perhitungan Tingkat Kesalahan
dan Jarak Segitiga Kagan
N Z1 Z2 L 10 3.22% 6.06% 29.20 11 3.06% 6.04% 27.84 12 2.93% 6.03% 26.66 13 2.81% 6.02% 25.61 14 2.71% 6.01% 24.68 15 2.61% 5.99% 23.84 16 2.53% 5.99% 23.09 17 2.45% 5.98% 22.40 18 2.38% 5.97% 21.77 19 2.31% 5.96% 21.19 20 2.25% 5.95% 20.65 21 2.20% 5.95% 20.15 22 2.15% 5.94% 19.69 23 2.10% 5.94% 19.26 24 2.05% 5.93% 18.85 25 2.01% 5.93% 18.47 26 1.97% 5.92% 18.11 27 1.93% 5.92% 17.77 28 1.90% 5.91% 17.45 N Z1 Z2 L 29 1.87% 5.91% 17.15 30 1.83% 5.91% 16.86
Berdasarkan uraian tersebut maka diperlukan penambahan pos baru sebanyak 19 buah. Namun jumlah tersebut masih harus dievaluasi terhadap Isohyet dan tata guna lahan WS Dumoga Sangkub.
Tabel 9. Pos Hujan Susuai Metode Kagan
No. Stasiun Koordinat
X Y 1 Matayangan 123° 57' 43.50" E 0° 27' 53.16" N 2 Toraut 123° 54' 21.84" E 0° 33' 51.42" N 3 Konarom 124° 0' 57.12" E 0° 35' 12.24" N 4 Andigile Buko 123° 8' 2.10" E 0° 53' 14.22" N 5 Bolangitan - Paku 123° 19' 47.34" E 0° 51' 18.00" N 6 Bintauna Pantai 123° 34' 52.98" E 0° 52' 44.10" N 7 Nonapan - Wineru 124° 15' 49.86" E 0° 57' 35.22" N 8 Lolak - Solog 124° 5' 55.68" E 0° 53' 12.36" N 9 Buyat - Buyat 124° 41' 43.44" E 0° 51' 24.96" N
48 3.4. Penyusunan Peta Isohyet
Pada studi ini Pembuatan peta dilakukan dengan bantuan software arcgis yaitu dengan metode IDW (interpolates distance weighted) sebagai metode untuk
interpolasi kontur Isohyet. Data hujan yang digunakan dalam pembuatan Isohyet adalah data rerata tahunan dari setiap pos hujan. Berikut ini adalah data dan hasil pembuatan Isohyet WS Dumoga Sangkub.
Gambar 6. Peta Isohyet WS Dumoga Sangkub 3.5. Rekomendasi Pos Hujan
Rekomendasi pos hujan dilakukan berdasarkan beberapa hal yang menjadi pertimbangan dalam memberikan rekomendasi pos hidrologi :
1. Analisa Metode Kagan
2. MasterPlan WS Dumoga Sangkub Pada masterplan WS Dumoga Sangkub telah dilakukan perencanaan secara umum untuk pengembangan sumber daya air. Oleh karena itu pada penyusunan rekomendasi pos hidrologi perlu dikaji pula letak pos terhadap rencana pengembangan SDA. Sebagai contoh terdapat rencana pembangunan daerah irigasi, maka dapat dipastikan lokasi tersebut juga memerlukan pos hujan atau klimatologi.
3. Keterwakilan DAS
Metode Kagan disusun berdasarkan jarak setiap pos hujan. Sehingga akan muncul
kemungkinan sebuah das tidak memiliki pos hujan hasil metode kagan. Oleh karena itu pada rekomendasi ini juga dipertimbangkan masalah keterwakilan DAS.
4. Analisa tata guna lahan
Berdasarkan hasil analisa metode Kagan, didapatkan beberapa lokasi rekomendasi. Namun pada lokasi tersebut belum tentu terdapat access road maupun pemukiman penduduk (sebagai penjaga pos). Sehingga aspek kemudahan perlu dijadikan pertimbangan dalam penentuan lokasi pos hidrologi.
Tabel 8 menampilkan data rekomendasi lokasi pos hujan. Untuk peta ditampilkan pada Gambar 7. Sehingga total stasiun yang nantinya ada di WS Dumoga Sangkub adalah 30 buah, dengan perincian 19 pos lama dan 11 pos baru.
49
Gambar 7. letak stasiun hujan hasil analisa Kagan Rodda Tabel 10. Stasiun hujan hasil analisa Kagan Rodda
X Y
1 Doloduo I Pos Klimatologi Eksisting 123° 57' 16.86" E 0° 31' 20.34" N
2 Sangkub Pos Klimatologi Eksisting 123° 38' 35.70" E 0° 52' 18.12" N
3 RK-1 - Nonapan Wineru Pos Kagan sesuai dengan pos eksisting 124° 15' 49.86" E 0° 57' 35.22" N 4 RK-2 - Andigile Buko Pos Kagan sesuai dengan pos eksisting 123° 8' 2.10" E 0° 53' 14.22" N 5 RK-3 - Bolangitang Paku Pos Kagan sesuai dengan pos eksisting 123° 19' 47.34" E 0° 51' 18.00" N
6 RK-5 - Bintauna Pantai Pos Kagan sesuai dengan pos eksisting 123° 34' 52.98" E 0° 52' 44.10" N 7 RK-6 - Lolak Solog Pos Kagan sesuai dengan pos eksisting 124° 5' 55.68" E 0° 53' 12.36" N 8 RK-8 - Buyat Buyat Pos Kagan sesuai dengan pos eksisting 124° 41' 43.44" E 0° 51' 24.96" N 9 RK-19 - Toraut Pos Kagan sesuai dengan pos eksisting 123° 54' 21.84" E 0° 33' 51.42" N 10 RK-20 - Konarom Barat Pos Kagan sesuai dengan pos eksisting 124° 0' 57.12" E 0° 35' 12.24" N 11 RK-25 - Matayangan Pos Kagan sesuai dengan pos eksisting 123° 57' 43.50" E 0° 27' 53.16" N 12 RK-4 Pos Rekomendasi Kagan dan sesuai dengan Isohyet 123° 26' 50.88" E 0° 51' 42.72" N 13 RK-7 Pos Rekomendasi Kagan dan sesuai dengan Isohyet 124° 12' 23.32" E 0° 51' 9.57" N 14 RK-9 Pos Rekomendasi Kagan dan sesuai dengan Isohyet 124° 12' 23.32" E 0° 51' 9.57" N 15 RK-10 Pos Rekomendasi Kagan dan sesuai dengan Isohyet 123° 22' 38.64" E 0° 45' 57.40" N 16 RK-11 Pos Rekomendasi Kagan dan sesuai dengan Isohyet 123° 32' 16.68" E 0° 47' 46.99" N 17 RK-13 Pos Rekomendasi Kagan dan sesuai dengan Isohyet 123° 38' 58.24" E 0° 46' 19.54" N 18 RK-14 Pos Rekomendasi Kagan dan sesuai dengan Isohyet 124° 4' 34.57" E 0° 42' 1.50" N 19 RK-16 Pos Rekomendasi Kagan dan sesuai dengan Isohyet 124° 7' 45.35" E 0° 43' 46.73" N 20 RK-21 Pos Rekomendasi Kagan dan sesuai dengan Isohyet 124° 35' 1.39" E 0° 43' 46.24" N 21 RK-22 Pos Rekomendasi Kagan dan sesuai dengan Isohyet 124° 12' 50.48" E 0° 35' 58.06" N 22 RK-26 Pos Rekomendasi Kagan dan sesuai dengan Isohyet 124° 19' 18.21" E 0° 35' 47.65" N 23 RK-27 Pos Rekomendasi Kagan dan sesuai dengan Isohyet 124° 7' 45.15" E 0° 27' 55.79" N 24 RK-29 Pos Rekomendasi Kagan dan sesuai dengan Isohyet 124° 16' 50.51" E 0° 27' 55.70" N 25 RK-30 Pos Rekomendasi Kagan dan sesuai dengan Isohyet 123° 35' 56.17" E 0° 20' 0.49" N 26 RK-12 Pos rekomendasi yang letaknya disesuaikan dengan tata guna lahan 123° 45' 1.60" E 0° 20' 0.45" N 27 RK-15 Pos rekomendasi yang letaknya disesuaikan dengan tata guna lahan 124° 16' 9.15" E 0° 43' 11.85" N 28 RK-23 Pos rekomendasi yang letaknya disesuaikan dengan tata guna lahan 124° 30' 27.40" E 0° 36' 27.78" N 29 RK-24 Pos rekomendasi yang letaknya disesuaikan dengan tata guna lahan 123° 55' 31.62" E 0° 30' 7.64" N 30 RK-28 Pos rekomendasi yang letaknya disesuaikan dengan tata guna lahan 124° 26' 57.08" E 0° 31' 42.83" N
Koordinat
50
4. DAFTAR PUSTAKA
[1] H. Mulya, “Studi Rasionalisasi Jaringan Hidrologi Pulau Seram Provinsi Maluku,” Media Komun. Tek. Sipil, vol. 20, no. 1, pp. 71–82, 2015, doi: 10.14710/mkts.v20i1.9248. [2] L. Ranesa, “Analisis Rasionalisasi
Jaringan Pos Hujan untuk Kalibrasi Hidrograf pada DAS Babak
Kabupaten Lombok Tengah,” J. Pengair., vol. 6, p. 46, 2015. [3] S. Fathoni, “Analisis Efektivitas
Kerapatan Jaringan Pos Stasiun Hujan di DAS Kedungsoko dengan Menggunakan Jaringan Saraf Tiruan (Artificial Neural Network),” J. Pengair., vol. 7, p. 129, 2016.
[4] WMO, Guide to Hydrological Practices. Volume I: Hydrology–From Measurement to Hydrological Information, vol. I, no. 168. 2008.
[5] B. Sri Harto, Hidrologi Teknik. 1993. [6] Z. R. Alfirman, “Rasionalisasi
Kerapatan Pos Hujan Menggunakan Metode Kagan-Rodda di Sub DAS Lesti,” J. Tek. Sipil, vol. 8, no. 2, pp. 153–164, 2019.
[7] Purwanto, “Pengisian Data Hujan yang Hilang dengan Metode Arima,”
J. UMY, 2016.
[8] E. Prawati, “Jaringan Stasiun Hujan Ditinjau dari Topografi pada DAS Widas Kabupaten Nganjuk - Jawa Timur,” vol. 6, no. 1, pp. 86–98, 2016.
[9] A. Oktaviansyah, “Analisa
Rasionalisasi Jaringan Pos Hidrologi Padawilayah Sungai/DAS Sampea,”
J. Sist., vol. 13, p. 23, 2017. [10] Sosrodarsono Suyono, Hidrologi
